flowocr 0.1.0__tar.gz → 0.2.0__tar.gz

flowocr-0.2.0/LICENSES/PP-OCRv6-NOTICE.md

@@ -0,0 +1,28 @@
+# PP-OCRv6 模型的来源与许可
+
+flowocr 默认的 ONNX Runtime 推理路径使用 PaddlePaddle 官方发布的 PP-OCRv6 模型，由 `flowocr.models` 从 Hugging Face 按固定提交号下载：
+
+| 用途 | 仓库 | 提交 | 许可 |
+| --- | --- | --- | --- |
+| 文字识别（rec） | [PaddlePaddle/PP-OCRv6_medium_rec_onnx](https://huggingface.co/PaddlePaddle/PP-OCRv6_medium_rec_onnx) | `50c7eacafc52fa7bcf4194e8cd08e46f8558504b` | Apache License 2.0 |
+| 文字检测（det） | [PaddlePaddle/PP-OCRv6_medium_det_onnx](https://huggingface.co/PaddlePaddle/PP-OCRv6_medium_det_onnx) | `61323801669c338b7891481ec7bac61ce31b576a` | Apache License 2.0 |
+
+按语言另下的识别模型（`--ocr-lang ko / ru / th / auto` 用到时才下载，同样按固定提交号）：
+
+| 用途 | 仓库 | 提交 | 许可 |
+| --- | --- | --- | --- |
+| 韩文识别 | [PaddlePaddle/korean_PP-OCRv5_mobile_rec_onnx](https://huggingface.co/PaddlePaddle/korean_PP-OCRv5_mobile_rec_onnx) | `5c6f574b8e2230adf4287b33e736d71b9fabd28e` | Apache License 2.0 |
+| 俄文（东斯拉夫语）识别 | [PaddlePaddle/eslav_PP-OCRv5_mobile_rec_onnx](https://huggingface.co/PaddlePaddle/eslav_PP-OCRv5_mobile_rec_onnx) | `9a32171fc5718746875e1a261818884517975013` | Apache License 2.0 |
+| 泰文识别 | [PaddlePaddle/th_PP-OCRv5_mobile_rec_onnx](https://huggingface.co/PaddlePaddle/th_PP-OCRv5_mobile_rec_onnx) | `1d4adbbafb1034a2fd6618498575b81ea7b69f69` | Apache License 2.0 |
+
+模型版权归 PaddlePaddle Authors（[PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR)）。
+上游模型仓库未附 NOTICE 文件，也未附许可证全文；Apache License 2.0 全文在同目录的 `Apache-2.0.txt`
+（取自 paddleocr 3.7.0 发行包的 `LICENSE`，含 PaddlePaddle Authors 的版权声明），亦见 <https://www.apache.org/licenses/LICENSE-2.0>。
+
+## 我们做的修改
+
+每个识别模型的 `inference_argmax2.onnx` 由同目录上游的 `inference.onnx` 派生（默认的 `PP-OCRv6_medium_rec_onnx` 和上面三个语言模型同样处理）：在计算图末尾追加取最大值和最大值下标的节点（默认模型沿类别维分段求、再在段间求，用 `Reshape`、`ReduceMax`、`ArgMax`、`GatherElements` 等；上面三个语言模型的图版本较老，直接用一个 `ArgMax` 和一个 `ReduceMax`），
+并把图的输出从 softmax 的结果改为这两样（`cls`、`prob`）。**权重与原有节点未作任何改动。**
+实现见 `src/flowocr/models.py` 的 `fuse_argmax`。
+
+GPU 上用 CUDA 执行 det 时默认用半精度（`--det-precision fp16`；选 `fp32`、在 CPU 上跑或走 TensorRT 时用上游原图），为此在同目录生成 `inference_fp16v1.onnx`：用 ONNX Runtime 自带的转换器（`onnxruntime.transformers.float16`）把权重和中间计算转成半精度，输入和输出保持单精度（图的首尾各加一个 `Cast` 节点）；网络结构不变。实现见 `src/flowocr/models.py` 的 `fp16_derive`。

flowocr-0.2.0/LICENSES/TensorRT-NOTICE.md

@@ -0,0 +1,11 @@
+# NVIDIA TensorRT（可选后端）
+
+flowocr 可以用 NVIDIA TensorRT 在 GPU 上执行检测和识别（使用手册的 TensorRT 一节）。TensorRT 是 NVIDIA 的专有软件，按 NVIDIA 软件许可协议（NVIDIA Software License Agreement）提供：
+
+- **flowocr 不分发 TensorRT**：发行包和源码仓库里都没有它的任何文件，`pyproject.toml` 的依赖里也没有。
+- 用户运行 `flowocr-trt install` 时，程序从 NVIDIA 的包索引（`https://pypi.nvidia.com/tensorrt-cu13-libs/`）取 `tensorrt-cu13-libs` 发行包里的几个文件，
+  装进用户自己的数据目录。版本和每个文件的 sha256 钉在 `src/flowocr/trt.py`。
+- 取的文件：`nvinfer_10.dll`、`nvinfer_plugin_10.dll`、`nvonnxparser_10.dll`，本机显卡算力对应的一份 `nvinfer_builder_resource_*_10.dll`（用它建引擎失败时补取通用的 `nvinfer_builder_resource_ptx_10.dll`），以及发行包里的许可协议全文 `LICENSE.txt`。
+  下载前可在 NVIDIA 官网读 TensorRT 的许可：<https://docs.nvidia.com/deeplearning/tensorrt/latest/reference/sla.html>（官网是最新版本）；随所装版本的那份全文装好后在数据目录的 `trt\<版本>\lib\LICENSE.txt`。下载和使用这些文件即表示接受该协议。
+- 这些文件按原样使用、**未作任何修改**；推理通过 onnxruntime-gpu 自带的 TensorRT 执行提供程序加载它们。
+- 引擎缓存（`trt\<版本>\engines\`）是 TensorRT 在用户机器上由 flowocr 使用的 PaddlePaddle 模型（PP-OCRv6，按语言另下的识别模型是 PP-OCRv5；来源与许可见同目录的 `PP-OCRv6-NOTICE.md`）编译出的文件，只在本机使用。

{flowocr-0.1.0/src/flowocr.egg-info → flowocr-0.2.0}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: flowocr
-Version: 0.1.0
+Version: 0.2.0
 Summary: 从视频里抽全部屏幕文字、带起止时间、按区域聚类，导出 SRT / ASS
 Author: caca2331
 License-Expression: GPL-3.0-or-later
@@ -23,6 +23,7 @@ Description-Content-Type: text/markdown
 License-File: LICENSE
 License-File: LICENSES/Apache-2.0.txt
 License-File: LICENSES/PP-OCRv6-NOTICE.md
+License-File: LICENSES/TensorRT-NOTICE.md
 Requires-Dist: numpy<3,>=2.3
 Requires-Dist: opencv-contrib-python<4.11,>=4.10
 Requires-Dist: pillow>=10
@@ -82,7 +83,7 @@ flowocr-ocr video.mp4 --out out\v\v.jsonl           # 阶段 1：读字
 flowocr-gamescript out\v\v.jsonl --out out\v\v-ref.json --game starrail
 flowocr-tracks out\v\v.jsonl --outdir out\v --tag v --matcher gametext --matcher-ctx game=starrail
 flowocr-match out\v\v-tracks.json --matcher gametext --ctx ref=out\v\v-ref.json --out out\v\v-matched.json
-flowocr-render out\v\v-matched.json --preset script # 阶段 3：只写 v-jp-main.script.ass，默认保留正文与名牌
+flowocr-render out\v\v-matched.json --preset script # 阶段 3：只写 v-jp-main.script.ass，默认画匹配器声明的默认组（台词、名牌、选项…）
 ```
 
 在 Aegisub 中检查并保存 `out\v\v-jp-main.script.ass`，然后用 `default` 预设出特效字幕：
@@ -106,4 +107,4 @@ flowocr-typeset out\v\v-jp-main.script.ass --preset default # 阶段 4：写 v-j
 
 ## 许可
 
-GPL-3.0-or-later，全文见 [LICENSE](https://github.com/caca2331/FlowOCR/blob/main/LICENSE)。识别用的 PP-OCRv6 模型由 PaddlePaddle 以 Apache-2.0 发布，来源与我们的改动见 [LICENSES/](https://github.com/caca2331/FlowOCR/blob/main/LICENSES/PP-OCRv6-NOTICE.md)。
+GPL-3.0-or-later，全文见 [LICENSE](https://github.com/caca2331/FlowOCR/blob/main/LICENSE)。识别用的 PP-OCRv6 模型由 PaddlePaddle 以 Apache-2.0 发布，来源与我们的改动见 [LICENSES/](https://github.com/caca2331/FlowOCR/blob/main/LICENSES/PP-OCRv6-NOTICE.md)。可选的 TensorRT 后端由用户自己从 NVIDIA 下载、按 NVIDIA 的许可协议使用，flowocr 不分发它（[说明](https://github.com/caca2331/FlowOCR/blob/main/LICENSES/TensorRT-NOTICE.md)）。

{flowocr-0.1.0 → flowocr-0.2.0}/README.md

@@ -33,7 +33,7 @@ flowocr-ocr video.mp4 --out out\v\v.jsonl           # 阶段 1：读字
 flowocr-gamescript out\v\v.jsonl --out out\v\v-ref.json --game starrail
 flowocr-tracks out\v\v.jsonl --outdir out\v --tag v --matcher gametext --matcher-ctx game=starrail
 flowocr-match out\v\v-tracks.json --matcher gametext --ctx ref=out\v\v-ref.json --out out\v\v-matched.json
-flowocr-render out\v\v-matched.json --preset script # 阶段 3：只写 v-jp-main.script.ass，默认保留正文与名牌
+flowocr-render out\v\v-matched.json --preset script # 阶段 3：只写 v-jp-main.script.ass，默认画匹配器声明的默认组（台词、名牌、选项…）
 ```
 
 在 Aegisub 中检查并保存 `out\v\v-jp-main.script.ass`，然后用 `default` 预设出特效字幕：
@@ -57,4 +57,4 @@ flowocr-typeset out\v\v-jp-main.script.ass --preset default # 阶段 4：写 v-j
 
 ## 许可
 
-GPL-3.0-or-later，全文见 [LICENSE](https://github.com/caca2331/FlowOCR/blob/main/LICENSE)。识别用的 PP-OCRv6 模型由 PaddlePaddle 以 Apache-2.0 发布，来源与我们的改动见 [LICENSES/](https://github.com/caca2331/FlowOCR/blob/main/LICENSES/PP-OCRv6-NOTICE.md)。
+GPL-3.0-or-later，全文见 [LICENSE](https://github.com/caca2331/FlowOCR/blob/main/LICENSE)。识别用的 PP-OCRv6 模型由 PaddlePaddle 以 Apache-2.0 发布，来源与我们的改动见 [LICENSES/](https://github.com/caca2331/FlowOCR/blob/main/LICENSES/PP-OCRv6-NOTICE.md)。可选的 TensorRT 后端由用户自己从 NVIDIA 下载、按 NVIDIA 的许可协议使用，flowocr 不分发它（[说明](https://github.com/caca2331/FlowOCR/blob/main/LICENSES/TensorRT-NOTICE.md)）。

{flowocr-0.1.0 → flowocr-0.2.0}/pyproject.toml

@@ -13,7 +13,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "flowocr"
-version = "0.1.0"
+version = "0.2.0"
 description = "从视频里抽全部屏幕文字、带起止时间、按区域聚类，导出 SRT / ASS"
 readme = "README.md"
 requires-python = ">=3.12,<3.13"
@@ -80,6 +80,7 @@ flowocr-render = "flowocr.output.render:main"
 flowocr-typeset = "flowocr.typeset.__main__:main"     # 阶段 4：字幕稿 -> 最终叠加 ASS
 flowocr-paths = "flowocr.paths:main"
 flowocr-models = "flowocr.models:main"      # 取官方 ONNX 模型（缺了管线也会自己取；离线机器先在联网处取好）
+flowocr-trt = "flowocr.trt:main"            # 装 / 查 / 删 TensorRT 后端的库和引擎缓存（可选后端，不进依赖）
 
 [dependency-groups]
 # 开发：守卫、评测、探针要的。不进发行包。
@@ -94,6 +95,8 @@ where = ["src"]
 [tool.setuptools.package-data]
 # 实验性聚类 `--cluster learned` 的模型随代码走（slot_learned.MODEL_PATH）
 "flowocr.analyze" = ["models/*.json"]
+# TensorRT 后端启动自检的输入图（trt_engine.CHECK）
+"flowocr.extract" = ["trt_check.npz"]
 
 [tool.uv]
 package = true